شبیهسازی دینامیکی و کنترل فرآیند تبدیل متانول به الفین در یک راکتور بستر ثابت
/محمد جواد جمعه
: مکانیک
، فرخی
چاپی
کارشناسی ارشد
مهندسی شیمی
۱۳۹۰/۱۱/۰۵
تبریز
الفینهای سبک همچون اتیلن، پروپیلن و بوتیلن از مهمترین مواد حد واسط صنایع پتروشیمی میباشند .الفینها را میتوان توسط فرایندها و مواد اولیه مختلفی تولید کرد که در هر فرآیند تعدادی محصول اصلی و محصولات جانبی به وجود میآیند که درصد محصولات خروجی به فرآیند و مواد اولیه مورد استفاده بستگی دارد .فرآیند تبدیل متانول به الفین تکنولوژی جدیدی است که بر اساس کراکینگ کاتالیستی بنا شده است و با توجه به نیاز بالای صنایع پتروشیمی به الفینها یکی از فرآیندهای مورد توجه در تولید الفینها است .مدلسازی و شبیهسازی در سالهای اخیر جایگاه خاصی را در فرآیندهای شیمیایی پیدا کرده است .در این تحقیق مدلسازی و شبیهسازی دینامیکی و کنترل راکتور بستر ثابت تبدیل متانول به الفینها مورد بررسی قرار گرفته است .در ابتدا راکتور در حالت پایا مدلسازی و شبیهسازی گردید و معادلات موازنه جرم، انرژی، افت فشار و سینتیک واکنشها که شامل معادلات جبری و دیفرانسیل میباشند، به صورت همزمان با استفاده از یک برنامه کامپیوتری که به زبان MATLAB نوشته شده است حل گردیدند و تأثیر پارامترهای مختلف بر روی مدل بررسی شد .سپس شبیهسازی دینامیکی فرآیند انجام گردید و رفتار حلقه باز راکتور مورد مطالعه قرار گرفت .همچنین تأثیر اغتشاشهای مختلف روی رفتار دینامیکی فرآیند بررسی شد .در نهایت سیستم کنترل برای کنترل دمای راکتور طراحی گردید .از کنترلکنندههای مرسوم شامل کنترلکننده کلاسیک و نیز شبکه عصبی استفاده شد .نتایج شبیه سازی نشان میدهد که افزایش دما در جریان ورودی راکتور تأثیر منفی روی تولید محصولات مطلوب دارد و این به علت تعادلی بودن واکنش اصلی و همچنین گرما زا بودن واکنش است .همچنین اضافه کردن آب در ورودی باعث میشود که ماکزیمم دما در داخل راکتور کمتر شود .برای تأمین حرارت مورد نیاز انجام واکنش از کوره مقاومت الکتریکی استفاده شده است و دمای کوره مقاومت الکتریکی به شدت روی بازده محصولات و دمای داخل راکتور تأثیر میگذارد .برای طراحی کنترلکننده کلاسیک از روش کنترل مدل داخلی استفاده شد و برای طراحی کنترلکننده با استفاده از شبکه عصبی از روش کنترل مدل پیشبین استفاده شد .نتایج، عملکرد مطلوب کنترلکنندههای طراحی شده را در تعقیب مقدار مقرر نشان میدهند .
Light olefins such as ethylene, propylene and butylene are one of the most important intermediate components in petrochemical industries. Olefins can be produced by different processes and reactants where in each process different products and byproducts are produced. Composition of output products depends on the process and reactant. Methanol to olefins (MTO) process is a new technology which is based on catalytic cracking and because of high demand of petrochemical industries to olefins, is one of the interesting processes.Modeling and simulation have gained a specific position in chemical processes in recent year. In this research dynamic modeling and simulation and control of MTO fixed bed reactor have been assessed. Firstly the reactor was modeled and simulated on steady-state conditions and equations of mass and energy balance, pressure drop and reaction kinetics which include algebarie and differential equations, were solved simultanously using a computer program written with MATLAB programming language and the effect of different parameters on the model was investigated. Then dynamic simulation of the process was done and open-loop behavior of the reactor was studied. Also the effect of different disturbances on dynamic behavior of the process was assessed. Finally a control system was designed for the control of reactor temperature. Conventional controllers such as P and PID and also neural network controllers were used.imulation result show that increasing of the tempereture of inlet flow to the reactor, has negative effect on production of desired products and this is because that the main reaction is in equilibrium and also that the reaction is exothermic. Also adding water to the inlet stream results that the maximum temperature within the reactor. For supply heat of reaction, electrical resistance furnace was used. Temperature of electrical resistance has great impact on products yieled and temperature within the reactor. For design of classical controller, the way of internal model control was used and for design of controller with neural network , the way of model predictive control was used. Results show good performance of controllers for tracking the set point value.